CN115032323A - 确定油色谱数据异常的方法、电子设备及存储介质 - Google Patents
确定油色谱数据异常的方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115032323A CN115032323A CN202210629554.2A CN202210629554A CN115032323A CN 115032323 A CN115032323 A CN 115032323A CN 202210629554 A CN202210629554 A CN 202210629554A CN 115032323 A CN115032323 A CN 115032323A
- Authority
- CN
- China
- Prior art keywords
- data
- oil
- oil chromatogram
- abnormality
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004587 chromatography analysis Methods 0.000 title claims description 51
- 230000002159 abnormal effect Effects 0.000 claims abstract description 183
- 230000005856 abnormality Effects 0.000 claims abstract description 175
- 229930195733 hydrocarbon Natural products 0.000 claims description 62
- 150000002430 hydrocarbons Chemical class 0.000 claims description 62
- 239000001257 hydrogen Substances 0.000 claims description 56
- 229910052739 hydrogen Inorganic materials 0.000 claims description 56
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 44
- 239000004215 Carbon black (E152) Substances 0.000 claims description 41
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 38
- 238000011208 chromatographic data Methods 0.000 claims description 26
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 claims description 22
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 claims description 22
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 claims description 20
- 238000012806 monitoring device Methods 0.000 claims description 19
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims description 18
- 239000005977 Ethylene Substances 0.000 claims description 18
- 150000002431 hydrogen Chemical class 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 13
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 12
- 230000003247 decreasing effect Effects 0.000 claims description 9
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 6
- 239000001569 carbon dioxide Substances 0.000 claims description 6
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 6
- 239000007789 gas Substances 0.000 description 21
- 238000012544 monitoring process Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000035508 accumulation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明实施例公开了一种确定油色谱数据异常的方法、电子设备及存储介质,该方法包括获取油色谱数据序列,根据预先设置的至少两条异常判定规则,依次对所述油色谱数据序列进行判定;当任一判定结果为异常时,确定所述油色谱数据序列为异常;基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。通过本发明实施例的技术方案,实现了对油色谱数据序列的异常判定,并提高了异常判定的准确度和效率。
Description
技术领域
本发明涉及一种电气技术领域,尤其涉及一种确定油色谱数据异常的方法、电子设备及存储介质。
背景技术
油色谱在线监测系统是集控制、测量分析技术于一体的精密设备,对变压器等油浸电力设备进行在线监测。现有的油色谱在线监测系统常用于大范围的油浸电力设备的在线监测,以及超标数据的深度分析,而对于油色谱在线监测装置本身出现是否故障或者油浸设备的潜在故障或故障设备恶化趋势,尝尝需要运维人员凭借经验来判断,耗时长成本高。
因此,如何更加有效准确的确定油色谱数据是否出现异常,实为本领域和相关人员所关注的焦点。
发明内容
有鉴于此,为达上述之一或部分或全部目的或是其他目的,本发明实施例提出一种确定油色谱数据异常的方法、电子设备及存储介质。
第一方面,本发明实施例提供一种确定油色谱数据异常的方法,包括:
获取油色谱数据序列,根据预先设置的至少两条异常判定规则,依次对所述油色谱数据序列进行判定;
当任一判定结果为异常时,确定所述油色谱数据序列为异常;
基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。
优选地,在获取油色谱数据序列之前,还包括:基于数据异常类型对异常判定规则进行分类,确定每个数据异常类型对应的至少一条异常判定规则,其中,所述数据异常类型包括第一数据异常类型和第二数据异常类型中的至少一项,所述第一数据异常类型为油色谱在线监测装置异常造成的数据异常、所述第二数据异常类型为油浸电力设备潜在性故障造成的数据异常;所述根据预先设置的至少两条异常判定规则,依次对所述油色谱数据序列进行判定,包括:针对各数据异常类型,基于当前数据异常类型对应的至少一条异常判定规则,对所述油色谱数据序列进行判定。
优选的,所述针对各数据异常类型,基于当前数据异常类型对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:基于所述第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定;当所有判定结果均为所述油色谱数据序列正常时,基于所述第二数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定。
优选的,所述基于所述第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:当所述油色谱数据序列中氢气和/或总烃的数据值与预设目标数值相同时,确定所述油色谱数据序列为异常,当甲烷、乙炔、乙烯和乙烷的数据值之和与总烃的数据值不同时,确定油色谱数据序列异常,和/或者当总烃、氢气、甲烷、乙炔、乙烯、乙烷、一氧化碳和二氧化碳中的任一数据值在预设目标范围内时,确定所述油色谱数据序列为异常。
优选的,所述基于所述第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:针对基于时间序列获取的至少一个油色谱数据组,若当前油色谱数据组的氢气的数据值相比前一次获取的油色谱数据组中的氢气的数据值上升或者下降预设倍数,或者若当前油色谱数据组的总烃的数据值相比前一次获取的油色谱数据组中的总烃的数据值上升或者下降预设倍数时,确定所述油色谱数据序列为异常;其中,所述油色谱数据序列包括至少一个油色谱数据组。
优选的,所述基于所述第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:当在预设时长内计算得到至少三个油色谱数据组的总烃的数据值相同且氢气的数据值也相同时,确定所述油色谱数据序列异常。
优选的,所述基于所述第二数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:当总烃、氢气、甲烷、乙炔、乙烯和乙烷中的任一数据值在预设间隔时长内连续升高时,确定所述油色谱数据序列为异常。
优选的,所述基于所述第二数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:若氢气或总烃的数据值在第一预设范围内且相对产期速率大于第一百分比,氢气或总烃的数据值在第二预设范围内且相对产期速率大于第二百分比,或者氢气或总烃的数据值在第三预设范围内且相对产期速率大于第三百分比,确定所述油色谱数据序列异常。
第二方面,本发明实施例还提供了一种确定油色谱数据异常的装置,该装置包括:
数据序列获取模块,用于获取油色谱数据序列,根据预先设置的至少两条异常判定规则,依次对所述油色谱数据序列进行判定;
异常判定模块,用于当任一判定结果为异常时,确定所述油色谱数据序列为异常;
异常信息确定模块,用于基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。
第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一所述的确定油色谱数据异常的方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例中任一所述的确定油色谱数据异常的方法。
实施本发明实施例,将具有如下有益效果:通过至少两条异常判定规则依次对油色谱数据序列进行判定,提高了对油色谱数据异常判定的准确性,并且,依据判定结果为异常所对应的异常判定规则和该异常判定规则对应的数据异常类型,确定油色谱数据的异常信息,使得对油色谱数据的异常分析的更加准确和全面。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一中的一种确定油色谱数据异常的方法的流程示意图;
图2为本发明实施例二中的一种确定油色谱数据异常的方法的流程示意图;
图3为本发明实施例三中的一种确定油色谱数据异常的方法的流程示意图;
图4为本发明实施例四中的一种确定油色谱数据异常的方法的流程示意图;
图5为本发明实施例四中的一种确定油色谱数据异常的方法的流程示意图;
图6为本发明实施例五中的一种确定油色谱数据异常的装置的结构示意图;
图7为本发明实施例六中的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
图1为本发明实施例所提供的一种确定油色谱数据异常的方法的流程示意图,本实施例可适用于对油色谱数据进行监测判定异常的情况,该方法可以由确定油色谱数据异常的装置来执行,该确定油色谱数据异常的装置可以通过软件和/或硬件的形式实现。
如图1所述,本发明实施例的确定油色谱数据异常的方法包括如下步骤:
S110、获取油色谱数据序列,根据预先设置的至少两条异常判定规则,依次对所述油色谱数据序列进行判定。
其中,油色谱数据是指应用油色谱在线监测装置对变压器等油浸电力设备进行在线监测,检测出绝缘油中溶解的各种气体浓度和变化趋势的数据。比如,油色谱数据包括但不限于氢气以及对应的数据值、甲烷以及对应的数据值、乙烷以及对应的数据值等。其中,气体包括氢气、一氧化碳、二氧化碳、甲烷、乙烯、氧气、乙烃、乙烷中的至少一项。气体的数据值可以是气体的浓度、该气体的百分含量等。具体的。油色谱数据序列是指上述各气体以及对应的数据值按照预先设置的顺序得到数据序列。为了方便说明,将各气体以及对应的数据值简称为油色谱数据组。其中,预先设置的顺序包括但不限于时间顺序。需要说明的是,按照时间序列得到的油色谱数据序列,包括多个分别对应不同时间点的油色谱数据组,每个时间点对应的油色谱数据组包括各气体以及与每种气体对应的数据值,按照时间顺序将各油色谱数据组进行排列,得到油色谱数据序列。每个油色谱数据组可以包括多个气体以及每个气体的数据值。可选的,油色谱数据序列可以存储在预设的存储空间内。异常判定规则是指对油色谱数据序列的异常进行判定的规则,具体地,异常判定规则可以是对任一油色谱数据组中的数据值是否超出预设范围的判定规则,也可以是对任一油色谱数据组的变化情况是否符合预设变化情况的判定规则,还可以是对相邻两个油色谱数据组中的相同气体的变化情况是否符合预设变化情况的判定规则,本实施例通过至少2条异常判定规则对油色谱数据序列进行异常判定,异常判定规则可以是2条,也可以是2条以上,任一油色谱数据组经过异常判定规则判定为异常,则对应的油色谱数据序列为异常序列。比如,当油色谱数据序列中任一油色谱数据组中的氢气含量低于预设值时,判定该油色谱数据序列为异常序列。
具体的,获取油色谱数据序列,根据预先设置的至少两条异常判定规则,依次对油色谱数据序列进行判定,当油色谱数据序列中的任一油色谱数据组中的气体不符合判定规则,则确定油色谱数据序列出现异常。示例性,可以从预设存储空间中获取油色谱数据序列。
S120、当任一判定结果为异常时,确定所述油色谱数据序列为异常。
具体的,当根据至少两条异常判定规则依次对油色谱数据序列进行判定,其中的任一判定结果为异常时,确定油色谱数据序列异常。
示例性的,当任一判定结果为异常时,确定油色谱数据序列为异常,之后停止对油色谱数据序列的判定,并发出提醒信息,以提醒运维工作人员对被监测的设备或者油色谱在线监测装置进行检修。其中,提醒信息的表达方式包括但不限于语音提醒、警示灯闪烁等。
示例性的,基于至少两条异常判定规则,依次对油色谱数据序列进行判定,标注判定结果为异常对应的油色谱数据组,基于标注结果确定油色谱数据序列异常。
S130、基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。
其中,数据异常类型是指油色谱数据序列的异常类型,比如,由于油色谱在线监测装置故障造成监测到的油色谱数据序列异常,和/或,由于被监测的设备出现故障造成的油色谱数据序列异常。需要说明的是,在本发明实施例中,预先设置了各条异常判定规则对应的数据异常类型。例如,数据异常类型可以分为第一数据异常类型和第二数据异常类型,第一数据异常类型指由油色谱在线监测装置故障造成的数据异常,第二数据异常类型指由被监测的设备故障造成的数据异常。异常信息是指油色谱数据序列异常对应的信息,包括但不限于油色谱数据序列异常对应的时刻、油色谱数据序列中的异常气体以及数据值,油色谱数据序列异常对应的数据异常类型,油色谱数据序列异常的提醒信息。比如,异常信息为2022.1.2--12:23:12,氢气,数据值:0μL/L,数据异常类型:油色谱在线监测装置故障,提醒信息:建议相关工作人员对油色谱在线监测装置进行检修。
具体的,根据预先设置的异常判定规则以及对应的数据异常类型,确定当前判定结果异常的异常判定规则对应的数据异常类型,由此确定油色谱数据序列的异常信息。异常信息可为相关工作人员进行设备检修等提供便利。
可选的,预先设置异常判定规则和数据异常类型的映射表,基于异常判定规则和映射表确定数据异常类型,以确定油色谱数据序列的异常信息。
本发明实施例的技术方案,通过对油色谱数据序列的获取,并根据预先设置的至少两条异常判定规则,依次对油色谱数据序列进行判定,当任一判定结果为异常时,确定油色谱数据序列异常,基于判定结果为异常所对应的异常判定规则和与该异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。通过本发明实施例的技术方案实现了对油色谱数据序列的异常判定,并且可以根据不同的数据异常类型确定对应的油色谱数据序列的异常信息,提高了油色谱数据序列异常判定的准确性,并且油色谱数据序列的异常信息,为运维人员对相关的设备进行检修提供了便利。
实施例二
图2是本发明实施例提供的一种确定油色谱数据异常的方法的流程示意图,本发明实施例在上述实施例的可选方案的基础上,对步骤110进行的细化,其中,具体的细化过程将在本发明实施例中进行详细的阐述。其中,与上述实施例相同或者相似的技术术语将不再赘述。
如图2所述,本发明实施例所提供的确定油色谱数据异常的方法具体包括如下步骤:
S210、基于数据异常类型对异常判定规则进行分类,确定每个数据异常类型对应的至少一条异常判定规则。
其中,数据异常类型包括第一数据异常类型和第二数据异常类型中的至少一项,第一数据异常类型为油色谱在线监测装置异常造成的数据异常、第二数据异常类型油浸电力设备潜在性故障造成的数据异常。油色谱在线监测装置是指对变压器等油浸设备进行油色谱数据监测的装置。油浸电力设备是指被监测的设备。当油色谱在线监测装置故障/异常时,会造成油色谱数据组中至少一种气体对应的数据值发生变化。因此,设置油色谱在线监测装置故障/异常的数据异常类型对应至少一条异常判定规则。进而根据异常判定规则判定对应的油色谱数据组异常与否,确定油色谱数据序列是否异常。油浸电力设备故障同样会造成油色谱数据组中气体对应的数据值发生变化,对于油浸电力设备故障造成的油色谱数据序列异常的异常判定原理与上述原理相同,这里不再赘述。
具体的,预先通过数据异常类型对异常判定规则进行分类,确定异常判定规则对应的数据异常类型。当进行油色谱数据序列的异常判定时,确定判定油色谱数据序列异常的异常判定规则,从而确定异常判定规则对应的数据异常类型,进一步可以确定与油色谱数据序列异常对应的异常信息,提高异常信息确定的效率和准确度。
S220、获取油色谱数据序列。
S230、针对各数据异常类型,基于当前数据异常类型对应的至少一条异常判定规则,对所述油色谱数据序列进行判定。
具体的,针对每个数据异常类型,基于当前数据异常类型对应的至少一条异常判定规则,对油色谱数据序列进行判定,使得油色谱数据序列可以根据每个数据异常类型对应的至少一条异常判定规则进行判定,从而提高判定的效率。当判定结果异常,可快速确定与判定结果对应的数据异常类型,进而确定异常信息,提高异常信息确定的效率。
进一步,在上述实施例的基础上,所述针对各数据异常类型,基于当前数据异常类型对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:基于第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定;当所有判定结果均为所述油色谱数据序列正常时,基于第二数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定。
具体的,由于油色谱在线监测装置异常,会造成监测到的油色谱数据序列异常,而无法确定被监测的油浸电力设备是否出现故障或者故障恶化趋势。因此,在本发明实施例中,先根据第一数据异常类型对应的至少一条异常判定规则,对油色谱数据序列进行处理,当确定油色谱数据序列为正常时,确定油色谱在线监测装置正常。此时,根据第二数据异常类型对应的至少一条异常判定规则,对油色谱数据序列进行处理,从而判定油浸电力设备是否出现故障或者故障设备的恶化趋势。本发明实施例的异常判定方法提高了油色谱数据序列异常判定的准确度。
S240、当任一判定结果为异常时,确定所述油色谱数据序列为异常。
S250、基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。
在本发明实施例中,通过对异常判定规则的分类,确定每条异常判定规则所属的数据异常类型,在对获取的油色谱数据序列进行异常判定时,可以确定判定结果为异常的异常判定规则以及与该异常判定规则对应的数据异常类型,进而确定该油色谱数据序列异常对应的异常信息,提高异常信息确定的准确度。
实施例三
图3是本发明实施例提供的一种确定油色谱数据异常的方法的流程示意图,本发明实施例在上述实施例二的可选方案的基础上,对步骤230进行的细化,其中,具体的细化过程将在本发明实施例中进行详细的阐述。其中,与上述实施例相同或者相似的技术术语将不再赘述。
在阐述本发明实施例的技术方案前,首先对本发明实施例中的步骤进行简单说明:步骤S320至S360是对上述实施例的可选方案中S230中包括的基于第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定的进行的细化。通过基于第一数据异常类型的五条异常判定规则依次对油色谱数据序列进行判定,以确定油色谱数据序列是否出现异常。需要说明的是,S320至S360中包括五条异常判定规则,该五条异常判定规则依次称为判定规则一、判定规则二、判定规则三、判定规则四与判定规则五,判定规则一至判定规则五仅为区分这五条规则,并没有先后顺序之分。
如图3所述,本发明实施例所提供的确定油色谱数据异常的方法具体包括如下步骤:
S310、获取油色谱数据序列。
在阐述步骤S320-S340之前,对三个步骤进行解释说明,在本发明实施例中,可以选择其中一个步骤对应的异常判定规则对油色谱数据序列进行异常判定,也可以通过三种异常判定规则对油色谱数据序列进行异常判定。
S320、当所述油色谱数据序列中氢气和/或总烃的数据值与预设目标数值相同时,确定所述油色谱数据序列为异常。
其中,总烃是指油色谱数据组中各气体中的碳氢化合物。可选地,预设目标数值包括但不限于0μL/L。
具体的,通过计算确定至少一个油色谱数据组的总烃对应的数据值,并与预设目标数值进行比较,以确定二者是否相同,或者,对至少一个油色谱数据组中的氢气对应的数据值与预设目标数值进行比较,确定二者是否相同。当存在总烃和/或氢气的数据值与预设目标数据值相同时,确定油色谱数据序列异常。本发明实施例的判定规则一,不需要对各个油色谱数据组之间的关联进行分析,提高了异常判定的效率。
S330、当甲烷、乙炔、乙烯和乙烷的数据值之和与总烃的数据值不同时,确定油色谱数据序列异常。
具体的,首先确定每个油色谱数据组中的总烃含量,并对每个油色谱数据组中的甲烷、乙烃、乙烯和乙烷的数据值之和与总烃的数据值进行比较。当两个数据值不同时,确定油色谱数据序列异常。本发明实施例的判定规则二,通过对相同油色谱数据组中数据值的计算和比较,无需对各个油色谱数据组之间的关联进行分析,提高了异常判定的效率,进而提高了确定异常信息的效率。
S340、当总烃、氢气、甲烷、乙炔、乙烯、乙烷、一氧化碳和二氧化碳中的任一数据值在预设目标范围内时,确定所述油色谱数据序列为异常。
其中,预设目标范围包括但不限于小于0μL/L、小于50μL/L、大于0μL/L、以及其他预设范围。
具体的,当存在至少一个油色谱数据组中的氢气、甲烷、乙炔、乙烯、乙烷、一氧化碳、二氧化碳以及计算得到总烃中数据值在预设目标范围内时,确定油色谱数据序列为异常。比如,当通过判定规则三对油色谱数据序列进行异常判定时,该油色谱数据序列中的一个油色谱数据组中的氢气对应的数据值为负数(如-20μL/L),此时确定该油色谱数据组异常,进一步的,确定该油色谱数据组所在的油色谱数据序列异常。
S350、针对基于时间序列获取的至少一个油色谱数据组,若当前油色谱数据组的氢气的数据值相比前一次获取的油色谱数据组中的氢气的数据值上升或者下降预设倍数,或者若当前油色谱数据组的总烃的数据值相比前一次获取的油色谱数据组中的总烃的数据值上升或者下降预设倍数时,确定所述油色谱数据序列为异常。
其中,时间序列是指按照预设时间间隔得到一系列的时间点。预设时间间隔可以以秒、分、时、日等为单位设置。油色谱数据序列包括至少一个油色谱数据组。预设倍数可根据实际情况进行设置,包括但不限于10倍、11倍等。
具体的,通过对油色谱数据序列中所有油色谱数据组进行逐一处理,若当前油色谱数据组中的氢气的数据值比前一次获取的油色谱数据组中的氢气的数据值上升或者下降预设倍数时,确定当前油色谱数据组异常,进一步的确定该油色谱数据序列异常。由于判定规则四属于第一数据异常类型,因此,确定异常信息为油色谱在线监测装置异常。同理,对当前油色谱数据组中的总烃的判定过程与上述方式相同,这里不再赘述。需要说明的是,若当前油色谱数据组为时间序列中第一个油色谱数据组,则上述判定规则四中的前一次油色谱数据组中的氢气或者总烃的数据值为0μL/L,基于此数据值进行判定。
S360、当在预设时长内计算得到至少三个油色谱数据组的总烃的数据值相同且氢气的数据值也相同时,确定所述油色谱数据序列异常。
其中,预设时长可以是以日为单位的数值,比如一日、三日、五日,以及其他时间,当然也可以是不以日为单位的时长。在本发明实施例中预设时长设置为三日。
具体的,当在预设时长内计算得到至少三个油色谱数据组中的总烃的数据值相同,并且氢气的数据值也相同时,确定油色谱数据序列异常。应当理解,本发明实施例中的至少三个油色谱数据组是指在油色谱序列中的任意三个油色谱数据组,与油色谱数据组在序列中的位置无关。根据对各油色谱数据组之间的比较,确定油色谱数据序列的异常情况,提高了油色谱数据序列异常判定的准确度。
S370、基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。
具体的,确定判定结果为异常所对应的异常判定规则,并根据异常判定规则所对应的数据异常类型,确定油色谱数据序列的异常信息。比如,当异常判定规则为判定规则一时,基于该异常判定规则确定油色谱数据序列异常,根据该异常判定规则所对应的数据异常类型为第一数据异常类型,确定异常信息为油色谱在线监测装置异常。通过该异常信息,可以辅助运维工作人员对油色谱在线监测装置进行检修。
本发明实施例通过获取油色谱数据序列,并基于五个异常判定规则对对油色谱数据序列进行异常判定。通过判定规则一和判定规则二的对油色谱数据序列中气体的数据值的判定,确定油色谱数据序列是否出现异常,无需进行复杂计算,简化了数据判定效率,进而提高了油色谱数据序列的异常判定的效率。通过判定规则三、判定规则四和判定规则五的对油色谱数据序列中各个油色数据组中之间的气体数据值的变化进行分析,考虑到了油色谱数据序列中的各个油色谱数据组之间的关系,使得对油色谱数据序列异常判定更加准确。通过本发明实施例的技术方案中的各个异常判定规则,提高了对油色谱数据序列异常判定的准确度和效率,进而提高了对异常信息确定的准确度和效率。
实施例四
图4是本发明实施例提供的一种确定油色谱数据异常的方法的流程示意图,本发明实施例在上述实施例二的可选方案的基础上,对步骤230进行的细化,其中,具体的细化过程将在本发明实施例中进行详细的阐述。其中,与上述实施例相同或者相似的技术术语将不再赘述。
在阐述本发明实施例的技术方案前,首先对本发明实施例中的步骤进行简单说明:步骤S420至S430是对上述实施例的可选方案中S230包括的基于第二数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定的进行的细化。通过基于第二数据异常类型的两条异常判定规则依次对油色谱数据序列进行判定,以确定油色谱数据序列是否出现异常。需要说明的是,为了区分与上述实施例中的异常判定规则,将S420至S430中的异常判定规则依次命名为判定规则六与判定规则七,应当理解,这里的判定规则六与判定规则七,只是为了区分不同的规则,没有先后顺序。
如图4所述,本发明实施例所提供的确定油色谱数据异常的方法具体包括如下步骤:
S410、获取油色谱数据序列。
S420、当总烃、氢气、甲烷、乙炔、乙烯和乙烷中的任一数据值在预设间隔时长内连续升高时,确定所述油色谱数据序列为异常。
其中,预设间隔时长包括1日、2日、3日等。在本发明实施例中设置预设间隔时长为3日。
具体的,对油色谱数据序列中的各个油色谱数据组中的氢气、甲烷、乙炔、乙烯、乙烷等气体进行处理,得到每个油色谱数据组包含的总烃的数据值,并基于判定规则六对各个油色谱数据组的总烃、氢气、甲烷、乙炔、乙烯、乙烷的数据值进行判定。当任一数据值在预设间隔时长内连续升高时,确定油色谱数据序列异常。
基于上述实施例,在本发明实施例中,可在判定规则六中添加限制条件,对油色谱数据组中的总烃、氢气和乙炔的数据值设置各自的预设数据范围。当总烃、氢气和乙炔在预设数据范围内时,对总烃、氢气、甲烷、乙炔、乙烯、乙烷的数据值是否在预设间隔时长内连续升高进行判定,以确定油色谱数据序列是否异常。其中,总烃的预设数据范围为小于150μL/L,氢气的预设数据范围为小于150μL/L,乙炔的预设数据范围为在220KV下,乙炔小于5μL/L,在500KV下乙炔小于1μL/L。可选的,限制条件也可以是总烃、氢气、乙炔中任一组分不在预设数据范围内。通过设置预设数据范围,可以缩小计算量,提高数据判定效率。
S430、若氢气或总烃的数据值在第一预设范围内且相对产期速率大于第一百分比,氢气或总烃的数据值在第二预设范围内且相对产期速率大于第二百分比,或者氢气或总烃的数据值在第三预设范围内且相对产期速率大于第三百分比,确定所述油色谱数据序列异常。
其中,第一预设范围是指氢气或者总烃在油色谱数据组中的含量。第一预设范围包括A≥100μL/L,A≥80μL/L等,其中A为气体组分(包括总烃和/或氢气),这里选择第一预设范围为A≥100μL/L。第一百分比包括10%、20%等,本发明实施例中选择为10%。第二预设范围包括50μL/L≤A<100μL/L,40μL/L≤A<80μL/L等,本发明实施例中选择第二预设范围为50μL/L≤A<100μL/L。第二百分比包括50%,60%等,本发明实施例中第二百分比为50%。第三预设范围包括0μL/L≤A<49μL/L,0μL/L≤A<39μL/L等,本发明实施例中第三预设范围选择0μL/L≤A<49μL/L。第三百分比包括100%,90%等,本发明实施例中选择100%。
具体的,通过对氢气或者总烃的数据值是否在预设范围内,以及对相对产期速率限定,判定油色谱数据序列的异常与否。根据判定规则七确定的油色谱数据序列异常,可以确定其异常信息是油浸电力设备存在潜在性故障造成的。其中,预设范围包括第一预设范围、第二预设范围、第三预设范围。
S440、基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。
具体的,通过判定规则六和/或判定规则七对油色谱数据序列进行异常判定,当确定油色数据序列异常时,确定判定规则六和/或判定规则七对应的数据异常类型为第二数据异常类型,进而确定油色谱数据异常的异常信息为油浸电力设备故障造成的数据异常。
本发明实施例的技术方案,通过获取油色谱数据序列,并通过数据异常类型为油浸电力设备潜在性故障造成的数据异常对应的两条异常判定规则,对油色谱数据序列进行异常判定。当确定油色数据序列异常时,可以直接确定异常判定规则对应的数据异常类型,进而提高了异常信息的确定的准确度和效率。
在本发明的一个可选实施例中,在对油色谱数据序列进行异常判定时,按照先后顺序,依次通过判定规则一至判定规则七对各个油色谱数据组进行异常判断。当按照任一判定规则进行判定时,确定油色谱数据序列异常,则发出预警信息。比如预警时的指示灯显示为黄灯。若确定油色谱数据序列正常,则按次序基于下一个异常判定规则对油色谱数据序列进行判定。当依次基于所有的异常判定规则对油色谱数据序列的判定结果都为正常时,指示灯显示为绿灯,如图5所示。通过指示灯提示相关运维人员进行对应的操作。当然,也可以设置每个判定规则确定油色谱数据序列异常时对应着不同颜色的指示灯,以通过指示灯颜色区分油色谱数据序列是在哪个判定规则下确定为异常的。还可以设置油色谱数据异常的程度与指示灯颜色相对应。在依次基于判定规则对油色谱数据进行判定的情况下,得到油色数据异常的异常累加次数,包括零次异常、一次异常、两次异常……七次异常。比如,在依次基于判定规则一至判定规则七对油色谱数据进行判定的情况下,基于异常判定规则一判定油色数据异常,异常次数为一,之后判定规则二至判定规则六判定油色数据无异常,基于判定规则七判定油色数据异常,异常次数为一,进而,累加异常次数,得到最终的两次异常。当然,基于判定规则一至判定规则七对油色谱数据进行判定,油色谱数据均无异常,则累加异常次数为零次异常,若油色谱数据均异常,则累加异常次数为七次异常。则根据不同的异常累加次数与指示灯颜色的对应关系,以通过指示灯的不同颜色显示代表油色谱数据异常的程度。应当理解,在油色谱数据的异常累加次数越多,表示油色谱数据异常程度越高。指示灯也可以替换为显示界面上的文本提醒信息,或者通过播放设备播放提示语音等。这里只是示例性说明,不做具体限定。
实施例五
图6为本发明实施例提供的一种确定油色谱数据异常的装置的结构示意图,本发明实施例所提供的确定油色谱数据异常的装置可执行本发明任意实施例所提供的确定油色谱数据异常的方法,具备执行方法相应的功能模块和有益效果。该装置包括:数据序列获取模块610、异常判定模块620和异常信息确定模块630;其中:
数据序列获取模块610,用于获取油色谱数据序列,根据预先设置的至少两条异常判定规则,依次对所述油色谱数据序列进行判定;异常判定模块620,用于当任一判定结果为异常时,确定所述油色谱数据序列为异常;异常信息确定模块630,用于基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。
进一步的,所述装置还包括规则分类模块,用于基于数据异常类型对异常判定规则进行分类,确定每个数据异常类型对应的至少一条异常判定规则,其中,所述数据异常类型包括第一数据异常类型和第二数据异常类型中的至少一项,所述第一数据异常类型为油色谱在线监测装置异常造成的数据异常、所述第二数据异常类型为油浸电力设备潜在性故障造成的数据异常;
所述数据序列获取模块610包括:序列判定子模块,用于针对各数据异常类型,基于当前数据异常类型对应的至少一条异常判定规则,对所述油色谱数据序列进行判定。
进一步的,所述序列判定子模块包括:
第一数据异常判定单元,用于基于所述第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定;第二数据异常判定单元,用于当所有判定结果均为所述油色谱数据序列正常时,基于所述第二数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定。
进一步的,所述第一数据异常判定单元还用于:当所述油色谱数据序列中氢气和/或总烃的数据值与预设目标数值相同时,确定所述油色谱数据序列为异常,当甲烷、乙炔、乙烯和乙烷的数据值之和与总烃的数据值不同时,确定油色谱数据序列异常,和/或者当总烃、氢气、甲烷、乙炔、乙烯、乙烷、一氧化碳和二氧化碳中的任一数据值在预设目标范围内时,确定所述油色谱数据序列为异常。
进一步的,所述第一数据异常判定单元还用于:针对基于时间序列获取的至少一个油色谱数据组,若当前油色谱数据组的氢气的数据值相比前一次获取的油色谱数据组中的氢气的数据值上升或者下降预设倍数,或者若当前油色谱数据组的总烃的数据值相比前一次获取的油色谱数据组中的总烃的数据值上升或者下降预设倍数时,确定所述油色谱数据序列为异常;其中,所述油色谱数据序列包括至少一个油色谱数据组。
进一步的,所述第一数据异常判定单元还用于:当在预设时长内计算得到至少三个油色谱数据组的总烃的数据值相同且氢气的数据值也相同时,确定所述油色谱数据序列异常。
进一步的,所述第二数据异常判定单元还用于:当总烃、氢气、甲烷、乙炔、乙烯和乙烷中的任一数据值在预设间隔时长内连续升高时,确定所述油色谱数据序列为异常。
进一步的,所述第二数据异常判定单元还用于:若氢气或总烃的数据值在第一预设范围内且相对产期速率大于第一百分比,氢气或总烃的数据值在第二预设范围内且相对产期速率大于第二百分比,或者氢气或总烃的数据值在第三预设范围内且相对产期速率大于第三百分比,确定所述油色谱数据序列异常。
通过本发明实施例的确定油色谱数据异常的装置,对油色谱数据序列的获取,并根据预先设置的至少两条异常判定规则,依次对油色谱数据序列进行判定,当任一判定结果为异常时,确定油色谱数据序列异常,基于判定结果为异常所对应的异常判定规则和与该异常判定规则对应的数据异常类型,确定油色谱数据的异常信息。通过本发明实施例的技术方案实现了对油色谱数据异常判定,并且可以根据不同的数据异常类型确定对应的油色谱数据异常信息,提高了油色谱数据异常判定的准确性,并且油色谱数据的异常信息,便于运维人员对相关的设备进行检修,为运维人员提供了便利。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例六
图7为本发明实施例提供的一种电子设备的结构示意图。图7示出了适于用来实现本发明实施例实施方式的示例性电子设备70的框图。图7显示的电子设备70仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备70以通用计算设备的形式表现。电子设备70的组件可以包括但不限于:一个或者多个处理器或者处理单元701,系统存储器702,连接不同系统组件(包括系统存储器702和处理单元701)的总线703。
总线703表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备70典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备70访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器702可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)704和/或高速缓存存储器705。电子设备70可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统706可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线703相连。存储器702可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块707的程序/实用工具708,可以存储在例如存储器702中,这样的程序模块707包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块707通常执行本发明所描述的实施例中的功能和/或方法。
电子设备70也可以与一个或多个外部设备709(例如键盘、指向设备、显示器710等)通信,还可与一个或者多个使得用户能与该电子设备70交互的设备通信,和/或与使得该电子设备70能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口711进行。并且,电子设备70还可以通过网络适配器712与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器712通过总线703与电子设备70的其它模块通信。应当明白,尽管图7中未示出,可以结合电子设备70使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元701通过运行存储在系统存储器702中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的确定油色谱数据异常的方法。
实施例七
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种确定油色谱数据异常的方法,所述方法包括:
获取油色谱数据序列,根据预先设置的至少两条异常判定规则,依次对所述油色谱数据序列进行判定;当任一判定结果为异常时,确定所述油色谱数据序列为异常;基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据的异常信息。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种确定油色谱数据异常的方法,其特征在于,包括:
获取油色谱数据序列,根据预先设置的至少两条异常判定规则,依次对所述油色谱数据序列进行判定;
当任一判定结果为异常时,确定所述油色谱数据序列为异常;
基于判定结果为异常所对应的异常判定规则以及与所述异常判定规则对应的数据异常类型,确定油色谱数据序列的异常信息。
2.根据权利要求1所述的确定油色谱数据异常的方法,其特征在于,在所述获取油色谱数据序列之前,还包括:
基于数据异常类型对异常判定规则进行分类,确定每个数据异常类型对应的至少一条异常判定规则,其中,所述数据异常类型包括第一数据异常类型和第二数据异常类型中的至少一项,所述第一数据异常类型为油色谱在线监测装置异常造成的数据异常、所述第二数据异常类型为油浸电力设备潜在性故障造成的数据异常;
所述根据预先设置的至少两条异常判定规则,依次对所述油色谱数据序列进行判定,包括:
针对各数据异常类型,基于当前数据异常类型对应的至少一条异常判定规则,对所述油色谱数据序列进行判定。
3.根据权利要求2所述的确定油色谱数据异常的方法,其特征在于,所述针对各数据异常类型,基于当前数据异常类型对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:
基于所述第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定;
当所有判定结果均为所述油色谱数据序列正常时,基于所述第二数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定。
4.根据权利要求3所述的确定油色谱数据异常的方法,其特征在于,所述基于所述第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:
当所述油色谱数据序列中氢气和/或总烃的数据值与预设目标数值相同时,确定所述油色谱数据序列为异常,
当甲烷、乙炔、乙烯和乙烷的数据值之和与总烃的数据值不同时,确定油色谱数据序列异常,
和/或者当总烃、氢气、甲烷、乙炔、乙烯、乙烷、一氧化碳和二氧化碳中的任一数据值在预设目标范围内时,确定所述油色谱数据序列为异常。
5.根据权利要求3所述的确定油色谱数据异常的方法,其特征在于,所述基于所述第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:
针对基于时间序列获取的至少一个油色谱数据组,若当前油色谱数据组的氢气的数据值相比前一次获取的油色谱数据组中的氢气的数据值上升或者下降预设倍数,
或者若当前油色谱数据组的总烃的数据值相比前一次获取的油色谱数据组中的总烃的数据值上升或者下降预设倍数时,确定所述油色谱数据序列为异常;
其中,所述油色谱数据序列包括至少一个油色谱数据组。
6.根据权利要求3所述的确定油色谱数据异常的方法,其特征在于,所述基于所述第一数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:
当在预设时长内计算得到至少三个油色谱数据组的总烃的数据值相同且氢气的数据值也相同时,确定所述油色谱数据序列异常。
7.根据权利要求3所述的确定油色谱数据异常的方法,其特征在于,所述基于所述第二数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:
当总烃、氢气、甲烷、乙炔、乙烯和乙烷中的任一数据值在预设间隔时长内连续升高时,确定所述油色谱数据序列为异常。
8.根据权利要求3所述的确定油色谱数据异常的方法,其特征在于,所述基于所述第二数据异常类型所对应的至少一条异常判定规则,对所述油色谱数据序列进行判定,包括:
若氢气或总烃的数据值在第一预设范围内且相对产期速率大于第一百分比,氢气或总烃的数据值在第二预设范围内且相对产期速率大于第二百分比,或者氢气或总烃的数据值在第三预设范围内且相对产期速率大于第三百分比,确定所述油色谱数据序列异常。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的确定油色谱数据异常的方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的确定油色谱数据异常的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210629554.2A CN115032323A (zh) | 2022-06-06 | 2022-06-06 | 确定油色谱数据异常的方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210629554.2A CN115032323A (zh) | 2022-06-06 | 2022-06-06 | 确定油色谱数据异常的方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115032323A true CN115032323A (zh) | 2022-09-09 |
Family
ID=83123352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210629554.2A Pending CN115032323A (zh) | 2022-06-06 | 2022-06-06 | 确定油色谱数据异常的方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115032323A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115290798A (zh) * | 2022-09-13 | 2022-11-04 | 国网河北省电力有限公司电力科学研究院 | 变压器油色谱在线监测装置的稳定性能监测方法及终端 |
CN115932144A (zh) * | 2023-02-22 | 2023-04-07 | 华谱科仪(北京)科技有限公司 | 色谱仪性能检测方法、装置、设备和计算机介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102507816A (zh) * | 2011-11-09 | 2012-06-20 | 思源电气股份有限公司 | 油色谱在线监测数据有效性的检测方法 |
CN102680814A (zh) * | 2012-03-29 | 2012-09-19 | 河北省电力研究院 | 一种变压器故障严重程度的诊断方法 |
CN103178615A (zh) * | 2013-02-05 | 2013-06-26 | 广东电网公司 | 电力设备故障监控方法及其系统 |
CN107085630A (zh) * | 2017-03-28 | 2017-08-22 | 国网浙江省电力公司电力科学研究院 | 一种变压器油中溶解气体在线监测装置实用性分析方法 |
CN107831298A (zh) * | 2017-09-29 | 2018-03-23 | 中国电力科学研究院 | 现场校验变压器油中溶解气体监测装置性能的方法及系统 |
CN109632975A (zh) * | 2018-12-22 | 2019-04-16 | 武汉新运维光电科技股份有限公司 | 一种变压器油色谱数据综合分析及缺陷预测系统及方法 |
CN110220983A (zh) * | 2019-05-09 | 2019-09-10 | 国家电网有限公司 | 基于油色谱的变压器状态分析方法及终端设备 |
CN110737685A (zh) * | 2019-10-24 | 2020-01-31 | 南方电网科学研究院有限责任公司 | 一种电力大数据的数据异常判别方法 |
CN112697946A (zh) * | 2021-03-23 | 2021-04-23 | 广东电网有限责任公司佛山供电局 | 一种主变压器在线油色谱监盘方法及装置 |
CN113313144A (zh) * | 2021-05-08 | 2021-08-27 | 徐焕 | 一种基于大数据的电力变压器故障诊断系统及方法 |
CN113672606A (zh) * | 2021-08-19 | 2021-11-19 | 国网河南省电力公司电力科学研究院 | 油色谱监测数据质量评价方法 |
CN113721000A (zh) * | 2021-07-16 | 2021-11-30 | 国家电网有限公司大数据中心 | 一种变压器油中溶解气体异常检测方法和系统 |
CN114354783A (zh) * | 2021-12-17 | 2022-04-15 | 国网电力科学研究院武汉南瑞有限责任公司 | 基于在运数据的特高压油色谱监测装置健康度评估方法 |
-
2022
- 2022-06-06 CN CN202210629554.2A patent/CN115032323A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102507816A (zh) * | 2011-11-09 | 2012-06-20 | 思源电气股份有限公司 | 油色谱在线监测数据有效性的检测方法 |
CN102680814A (zh) * | 2012-03-29 | 2012-09-19 | 河北省电力研究院 | 一种变压器故障严重程度的诊断方法 |
CN103178615A (zh) * | 2013-02-05 | 2013-06-26 | 广东电网公司 | 电力设备故障监控方法及其系统 |
CN107085630A (zh) * | 2017-03-28 | 2017-08-22 | 国网浙江省电力公司电力科学研究院 | 一种变压器油中溶解气体在线监测装置实用性分析方法 |
CN107831298A (zh) * | 2017-09-29 | 2018-03-23 | 中国电力科学研究院 | 现场校验变压器油中溶解气体监测装置性能的方法及系统 |
CN109632975A (zh) * | 2018-12-22 | 2019-04-16 | 武汉新运维光电科技股份有限公司 | 一种变压器油色谱数据综合分析及缺陷预测系统及方法 |
CN110220983A (zh) * | 2019-05-09 | 2019-09-10 | 国家电网有限公司 | 基于油色谱的变压器状态分析方法及终端设备 |
CN110737685A (zh) * | 2019-10-24 | 2020-01-31 | 南方电网科学研究院有限责任公司 | 一种电力大数据的数据异常判别方法 |
CN112697946A (zh) * | 2021-03-23 | 2021-04-23 | 广东电网有限责任公司佛山供电局 | 一种主变压器在线油色谱监盘方法及装置 |
CN113313144A (zh) * | 2021-05-08 | 2021-08-27 | 徐焕 | 一种基于大数据的电力变压器故障诊断系统及方法 |
CN113721000A (zh) * | 2021-07-16 | 2021-11-30 | 国家电网有限公司大数据中心 | 一种变压器油中溶解气体异常检测方法和系统 |
CN113672606A (zh) * | 2021-08-19 | 2021-11-19 | 国网河南省电力公司电力科学研究院 | 油色谱监测数据质量评价方法 |
CN114354783A (zh) * | 2021-12-17 | 2022-04-15 | 国网电力科学研究院武汉南瑞有限责任公司 | 基于在运数据的特高压油色谱监测装置健康度评估方法 |
Non-Patent Citations (1)
Title |
---|
舒越等: "基于专家系统的设备状态评价研究与应用", 电网与清洁能源, vol. 35, no. 03, pages 43 - 48 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115290798A (zh) * | 2022-09-13 | 2022-11-04 | 国网河北省电力有限公司电力科学研究院 | 变压器油色谱在线监测装置的稳定性能监测方法及终端 |
CN115290798B (zh) * | 2022-09-13 | 2023-10-31 | 国网河北省电力有限公司电力科学研究院 | 变压器油色谱在线监测装置的稳定性能监测方法及终端 |
CN115932144A (zh) * | 2023-02-22 | 2023-04-07 | 华谱科仪(北京)科技有限公司 | 色谱仪性能检测方法、装置、设备和计算机介质 |
CN115932144B (zh) * | 2023-02-22 | 2023-05-12 | 华谱科仪(北京)科技有限公司 | 色谱仪性能检测方法、装置、设备和计算机介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115032323A (zh) | 确定油色谱数据异常的方法、电子设备及存储介质 | |
CN109688091B (zh) | 多源的威胁情报的质量评估方法及装置 | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN114818895A (zh) | 一种模型训练及异常数据识别方法、装置、设备及介质 | |
WO2017048002A1 (ko) | 행정구역별 온실가스 분포 데이터 생성 장치 및 방법 | |
CN113931258A (zh) | 自我诊断方法和无负压叠压供水设备 | |
CN111752833B (zh) | 一种软件质量体系准出方法、装置、服务器及存储介质 | |
CN110209589B (zh) | 知识库系统测试方法、装置、设备和介质 | |
CN113112123B (zh) | 一种基于关联矩阵的飞机航电系统故障诊断评估方法 | |
CN113076358A (zh) | 一种报表生成方法、装置、设备及存储介质 | |
CN113242213A (zh) | 一种电力通信骨干网节点脆弱性诊断方法 | |
CN107328994A (zh) | 变压器绝缘电阻试验装置及方法 | |
CN112346838A (zh) | 一种基于物联网的智能调度方法及装置 | |
CN117216558A (zh) | 一种煤质分析模型训练方法、装置、电子设备和存储介质 | |
US8565910B2 (en) | Manufacturing execution system (MES) including a wafer sampling engine (WSE) for a semiconductor manufacturing process | |
CN113610344B (zh) | 一种污染预警方法、装置、电子设备及存储介质 | |
CN115473216B (zh) | 一种改进电网线损计算的方法及系统 | |
CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 | |
CN114490390A (zh) | 测试数据生成方法、装置、设备及存储介质 | |
CN110457705B (zh) | 一种兴趣点数据处理方法、装置、设备和存储介质 | |
CN114324712A (zh) | 变压器油色谱故障判断方法、装置、终端及存储介质 | |
CN112566005A (zh) | 一种音频芯片的测试方法、装置、电子设备和存储介质 | |
WO2019148766A1 (zh) | 油中溶解气体体积分数的预测方法及终端设备 | |
JP6675904B2 (ja) | アセチレン発生可能性の評価方法、評価装置、及び評価プログラム | |
CN115290798B (zh) | 变压器油色谱在线监测装置的稳定性能监测方法及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |